Dataset之Cityscapes:Cityscapes数据集的简介、安装、使用方法之详细攻略(一)

简介: Dataset之Cityscapes:Cityscapes数据集的简介、安装、使用方法之详细攻略

Cityscapes数据集的简介


image.png


       Cityscapes拥有5000张在城市环境中驾驶场景的图像(2975train,500 val,1525test)。它具有19个类别的密集像素标注(97%coverage),其中8个具有实例级分割。Cityscapes数据集,即城市景观数据集,这是一个新的大规模数据集,其中包含一组不同的立体视频序列,记录在50个不同城市的街道场景。

      城市景观数据集中于对城市街道场景的语义理解图片数据集,该大型数据集包含来自50个不同城市的街道场景中记录的多种立体视频序列,除了20000个弱注释帧以外,还包含5000帧高质量像素级注释。因此,数据集的数量级要比以前的数据集大的多。Cityscapes数据集共有fine和coarse两套评测标准,前者提供5000张精细标注的图像,后者提供5000张精细标注外加20000张粗糙标注的图像。

      Cityscapes数据集包含2975张图片。包含了街景图片和对应的标签。大小为113MB。Cityscapes数据集,包含戴姆勒在内的三家德国单位联合提供,包含50多个城市的立体视觉数据。


1、Cityscapes数据集的特点


像素级标注;

提供算法评估接口。

 


2、Cityscapes数据集的目的


评价视觉算法在城市场景语义理解的主要任务中的性能:像素级、实例级、泛光语义标注;

支持旨在利用大量(弱)注释数据的研究,例如用于训练深度神经网络。


3、样例解释


        第一张图是的高质量密集像素注释的示例,提供了5 000张图像。重叠颜色编码语义类(参见类定义)。请注意,交通参与者的单个实例是单独标注的。第二张是粗略注释,除了精细的注释外,我们还与pallas ludens合作,为一组20000图像提供更粗的多边形注释。同样,重叠的颜色对语义类进行编码(参见类定义)。注意,我们的目标不是注释单个实例,但是,我们标记了覆盖单个对象的多边形。


image.png


数据集官网:https://www.cityscapes-dataset.com/




4、Features


Type of annotations


Semantic

Instance-wise

Dense pixel annotations

Complexity


30 classes

See Class Definitions for a list of all classes and have a look at the applied labeling policy.

Diversity


50 cities

Several months (spring, summer, fall)

Daytime

Good/medium weather conditions

Manually selected frames

Large number of dynamic objects

Varying scene layout

Varying background

Volume


5 000 annotated images with fine annotations (examples)

20 000 annotated images with coarse annotations (examples)

Metadata


Preceding and trailing video frames. Each annotated image is the 20th image from a 30 frame video snippets (1.8s)

Corresponding right stereo views

GPS coordinates

Ego-motion data from vehicle odometry

Outside temperature from vehicle sensor

Benchmark suite and evaluation server


Pixel-level semantic labeling

Instance-level semantic labeling


5、标签政策


     被标记的前景对象不能有洞,也就是说,如果有一些背景是可见的“通过”一些前景对象,它被认为是前景的一部分。这也适用于高度混合了两个或多个类的区域:它们被用前台类标记。例如:房子前的树叶或天空(一切树木),透明的车窗(一切汽车)。



6、Class Definitions


Please click on the individual classes for details on their definitions.


Group Classes

flat road · sidewalk · parking+ · rail track+

human person* · rider*

vehicle car* · truck* · bus* · on rails* · motorcycle* · bicycle* · caravan*+ · trailer*+

construction building · wall · fence · guard rail+ · bridge+ · tunnel+

object pole · pole group+ · traffic sign · traffic light

nature vegetation · terrain

sky sky

void ground+ · dynamic+ · static+



Cityscapes数据集的安装


T1、数据集下载:https://www.cityscapes-dataset.com/login/

T2、百度云下载:https://pan.baidu.com/s/1w3W_dQBUiHcwkLOtbSJ1Tg    

              提取码:1bln     注:里面不包含19998 images的Coarse 粗略注释


脚本(网友提供):https://github.com/mcordts/cityscapesScripts/tree/master/cityscapesscripts






相关文章
|
存储 数据库
Dataset之ADE20k:ADE20k数据集的简介、安装、使用方法之详细攻略
Dataset之ADE20k:ADE20k数据集的简介、安装、使用方法之详细攻略
Dataset之ADE20k:ADE20k数据集的简介、安装、使用方法之详细攻略
|
算法 数据库 计算机视觉
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
|
机器学习/深度学习 算法 网络架构
【CVPR2017】AOD-Net:端到端的除雾网络(原理&实操)
【CVPR2017】AOD-Net:端到端的除雾网络(原理&实操)
3191 0
【CVPR2017】AOD-Net:端到端的除雾网络(原理&实操)
|
算法 计算机视觉
图像处理常用算法—6个算子 !!
图像处理常用算法—6个算子 !!
1418 2
|
存储 数据采集 传感器
一文多图搞懂KITTI数据集下载及解析
一文多图搞懂KITTI数据集下载及解析
16702 3
一文多图搞懂KITTI数据集下载及解析
|
数据处理 计算机视觉 Python
【目标检测】指定划分COCO数据集训练(车类,行人类,狗类...)
【目标检测】指定划分COCO数据集训练(车类,行人类,狗类...)
6051 0
|
6月前
|
人工智能 监控 算法
人群计数、行人检测数据集(9000张图片已划分、已标注) | AI训练适用于目标检测任务
本数据集包含9000张已标注、已划分的行人图像,适用于人群计数与目标检测任务。支持YOLO等主流框架,涵盖街道、商场等多种场景,标注精准,结构清晰,助力AI开发者快速训练高精度模型,应用于智慧安防、人流统计等场景。
人群计数、行人检测数据集(9000张图片已划分、已标注) | AI训练适用于目标检测任务
|
机器学习/深度学习 JSON 算法
语义分割笔记(二):DeepLab V3对图像进行分割(自定义数据集从零到一进行训练、验证和测试)
本文介绍了DeepLab V3在语义分割中的应用,包括数据集准备、模型训练、测试和评估,提供了代码和资源链接。
4138 0
语义分割笔记(二):DeepLab V3对图像进行分割(自定义数据集从零到一进行训练、验证和测试)
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
25148 59
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
并行计算 C++ 异构计算
【环境配置】安装windows版本的TensorRt
【环境配置】安装windows版本的TensorRt
2020 4